郝良峰 李小平 李松林

摘要：

隨著城市化水平提升和城市集群化發(fā)展，優(yōu)化城市體系空間結(jié)構(gòu)成為釋放我國區(qū)域效率潛能的重要動力。經(jīng)過學(xué)術(shù)史梳理可以發(fā)現(xiàn)，處于不同國家、不同區(qū)位的城市體系，其空間結(jié)構(gòu)效率存在明顯差異，因此并不能斷定究竟單中心還是多中心結(jié)構(gòu)更有利于效率提升。文章認為，脫離產(chǎn)業(yè)動態(tài)調(diào)整過程來靜態(tài)評價城市體系的空間效率是片面的。原因在于，對于產(chǎn)業(yè)凈流出的區(qū)域，無論何種空間結(jié)構(gòu)，其效率損失的概率更高。因此，文章將企業(yè)進入和退出某地區(qū)的過程融入產(chǎn)業(yè)動態(tài)集聚指標構(gòu)建，同時在對折舊率和資本存量重新測算的基礎(chǔ)上對城市生產(chǎn)率進行測算，并采用空間計量模型對影響城市體系空間效率的作用機制進行檢驗。研究發(fā)現(xiàn)，扁平化的多中心結(jié)構(gòu)更有利于地區(qū)生產(chǎn)率提升，但需要兼顧產(chǎn)業(yè)集聚動態(tài)變化的影響，該結(jié)果進一步說明忽略企業(yè)進入和退出某地區(qū)的過程可能導(dǎo)致結(jié)果是有偏的，同時缺乏解釋力。進一步研究表明，多中心結(jié)構(gòu)使城市規(guī)模效率得到顯著改善，卻不利于技術(shù)進步率和技術(shù)效率的改進。研究還發(fā)現(xiàn)，京津冀和長江中游城市群的多中心特征偏弱，且空間效率尚待進一步優(yōu)化。相比之下，長三角和珠三角城市群的多中心結(jié)構(gòu)與產(chǎn)業(yè)動態(tài)集聚形成了良好的協(xié)同效應(yīng)。此外，考慮產(chǎn)業(yè)可能在城市體系內(nèi)部動態(tài)調(diào)整，從而產(chǎn)生城市間生產(chǎn)率的不均衡分布。研究表明，多中心結(jié)構(gòu)與產(chǎn)業(yè)動態(tài)集聚有利于城市生產(chǎn)率協(xié)同，但同時發(fā)現(xiàn)其更有利于大規(guī)模城市的效率提升，反而限制了小城市的發(fā)展。該結(jié)果影射出在多中心結(jié)構(gòu)形成的過程中，大規(guī)模城市依然是利益最大攫取者。盡管空間計量模型可以弱化內(nèi)生效應(yīng)，但為降低結(jié)果偏誤，文章參照現(xiàn)有研究分別采用城市地表粗糙度和區(qū)域河流密度作為產(chǎn)業(yè)集聚和城市體系的工具變量，其結(jié)果并未出現(xiàn)根本性變化。文章同時采用調(diào)整赫芬達爾指數(shù)、變換首位度指數(shù)和人均GDP進行穩(wěn)健性檢驗，以增強研究結(jié)論的可信度。影響機制檢驗結(jié)果表明，產(chǎn)業(yè)在各城市集聚的過程加速了多中心城市體系結(jié)構(gòu)的形成，而市場一體化又有效釋放了多中心結(jié)構(gòu)的空間效率。因此，應(yīng)當(dāng)深化城市體系結(jié)構(gòu)演進與產(chǎn)業(yè)動態(tài)集聚的耦合協(xié)同關(guān)系，推進市場一體化以進一步釋放效率潛能。同時，在突出中心城市主導(dǎo)地位的同時，更加注重中小城市協(xié)調(diào)發(fā)展，在雙循環(huán)的發(fā)展框架下促進城市體系內(nèi)部的良性循環(huán)。

關(guān)鍵詞：城市體系；產(chǎn)業(yè)集聚；動態(tài)調(diào)整；全要素生產(chǎn)率；多中心

中圖分類號：F061.5? 文獻標志碼：A? 文章編號：1008-5831（2023）01-0070-18

一、問題提出

習(xí)近平總書記多次明確提出了我國要通過提升全要素生產(chǎn)率推動經(jīng)濟發(fā)展動力變革和效率變革的總體目標，并指出“以城市群為主體構(gòu)建大中小城市和小城鎮(zhèn)協(xié)調(diào)發(fā)展的城鎮(zhèn)格局”，要通過優(yōu)化城市體系結(jié)構(gòu)來釋放空間效率。事實上，從1992年黨的十四大報告確立社會主義市場經(jīng)濟體制以來，我國生產(chǎn)要素的流動性得到了極大程度的釋放，并在跨區(qū)域的流動過程中形成了“東高西低”的要素分配格局［1］。生產(chǎn)部門在市場作用下的“重新洗牌”，使得不同地區(qū)的城市體系結(jié)構(gòu)和產(chǎn)業(yè)集聚水平均在悄然發(fā)生演變，進而作用于生產(chǎn)率的變化過程［2］。然而，值得注意的是，不同區(qū)位的城市體系結(jié)構(gòu)表現(xiàn)出了明顯的空間異質(zhì)性特征［3］。例如，長三角城市群形成了以上海為中心，南京和杭州為兩翼，其他節(jié)點城市網(wǎng)絡(luò)分布的多中心層級體系結(jié)構(gòu)［4］，而成渝城市群的經(jīng)濟重心則集中在成都和重慶，形成了典型的雙中心空間結(jié)構(gòu)［5］。那么，究竟何種結(jié)構(gòu)更有利于我國地區(qū)生產(chǎn)率的提升？考慮到產(chǎn)業(yè)集聚對地區(qū)生產(chǎn)率增長的重要性，在探討城市體系的空間效率時能否忽略產(chǎn)業(yè)集聚過程的動態(tài)變化？城市體系結(jié)構(gòu)的演變與產(chǎn)業(yè)動態(tài)集聚又如何作用于城市生產(chǎn)率的增長？回答上述問題，在現(xiàn)階段我國優(yōu)化區(qū)域空間結(jié)構(gòu)與提升地區(qū)生產(chǎn)率的戰(zhàn)略背景下顯得尤為重要。

國內(nèi)外并不缺乏圍繞城市體系空間效率的研究。Glaeser等在理論上系統(tǒng)闡述了單中心和多中心城市體系結(jié)構(gòu)的形成原理與外部影響［6］。然而，究竟何種結(jié)構(gòu)具有更高的空間效率，現(xiàn)有的研究結(jié)論莫衷一是。Bailey和Turok認為單中心結(jié)構(gòu)通過發(fā)揮集聚優(yōu)勢而呈現(xiàn)更高的空間效率［7］。Brezzi和Veneri研究發(fā)現(xiàn)OECD（Organization for Economic Cooperation and Development，OECD）國家單中心的城市體系結(jié)構(gòu)與人均GDP具有較高的關(guān)聯(lián)度，而多中心結(jié)構(gòu)則呈現(xiàn)出效率的劣勢［3］。Veneri和Burgalassi就發(fā)現(xiàn)在意大利單中心結(jié)構(gòu)對勞動生產(chǎn)率表現(xiàn)出更積極的影響［8］。Burger等強調(diào)了多中心城市體系形成的自然條件和過程復(fù)雜性，并且對荷蘭蘭斯塔德地區(qū)分析后發(fā)現(xiàn)單中心結(jié)構(gòu)更有效率［9］。在國內(nèi)研究中，張浩然和衣保中認為在我國城市群中，單中心結(jié)構(gòu)對生產(chǎn)率的提升作用更明顯［10］。孫斌棟和李琬發(fā)現(xiàn)單中心結(jié)構(gòu)對應(yīng)更高的勞動生產(chǎn)率，但僅限于2010年的數(shù)據(jù)［11］。與上述研究相對應(yīng)的，同時存在大量文獻認為多中心結(jié)構(gòu)更具效率優(yōu)勢和合理性，其理論依據(jù)源于Alonso［12］首次提出的“借用規(guī)?！崩碚?。Glaeser等通過構(gòu)建理論模型指出，多中心城市體系所形成的空間網(wǎng)絡(luò)更有助于促進城市間的分工和要素流動，從而具有更高的空間效率［6］。Meijers和Burger研究認為美國大都市區(qū)的多中心結(jié)構(gòu)效率更高，但同時指出單中心結(jié)構(gòu)所擁有的規(guī)模優(yōu)勢仍然是無法取代的［13］。相對于亞洲和美洲等國家，多中心結(jié)構(gòu)在歐洲的城市體系中更為常見。Camagni等則通過歐洲136個城市樣本研究發(fā)現(xiàn)“借用規(guī)?！痹诔鞘兄g普遍存在［14］。就我國而言，在廣闊的地理范圍內(nèi)多中心結(jié)構(gòu)更有利于地區(qū)生產(chǎn)率提升［15］，但也表現(xiàn)出一定的空間異質(zhì)性［11］。值得注意的是，判別單中心還是多中心城市體系結(jié)構(gòu)的效率更高，還取決于所考察區(qū)域的空間尺度。劉修巖等發(fā)現(xiàn)在單個城市內(nèi)部單中心空間結(jié)構(gòu)更有效率，而在省域?qū)用鎰t多中心結(jié)構(gòu)更具有優(yōu)越性［15］。

根據(jù)以上典型事實不難發(fā)現(xiàn)，在不同區(qū)位或者時間段，城市體系結(jié)構(gòu)呈現(xiàn)差異化的空間效率。然而，需要指出的是，現(xiàn)有研究在解釋城市體系結(jié)構(gòu)與生產(chǎn)率之間關(guān)系時，通常忽略了產(chǎn)城融合的過程。事實上，城市體系結(jié)構(gòu)的形成和演變是生產(chǎn)要素重新配置和產(chǎn)業(yè)在空間動態(tài)集聚的結(jié)果，該過程不僅決定了城市體系結(jié)構(gòu)的演變方向，而且可以更直接地解釋地區(qū)生產(chǎn)率的變化。也就是說，對于一個產(chǎn)業(yè)流入或者流出的地區(qū)，其城市體系結(jié)構(gòu)并不是導(dǎo)致生產(chǎn)率提升或者損失的直接原因，因此忽略產(chǎn)業(yè)的集聚過程而單純評價城市體系結(jié)構(gòu)的效率問題是片面的，也無法解釋其中的影響機制?；诖耍疚膶⑵髽I(yè)進入和退出某地區(qū)的過程引入集聚指標構(gòu)建，以體現(xiàn)城市集聚水平的動態(tài)變化。同時，構(gòu)建城市體系結(jié)構(gòu)評價指數(shù)，選擇空間計量模型檢驗城市體系結(jié)構(gòu)演變、產(chǎn)業(yè)動態(tài)集聚對地區(qū)生產(chǎn)率的影響，并對三者之間的影響機制進行解釋。

二、機制分析

新經(jīng)濟地理理論指出，如果某個城市在區(qū)位稟賦推動下成為區(qū)域的中心，則會通過循環(huán)累積因果規(guī)律而得到自我強化，并很難在其他地區(qū)形成新的中心，從而構(gòu)成了單中心的城市體系結(jié)構(gòu)。然而，單中心結(jié)構(gòu)并非長期穩(wěn)定，它建立在人口規(guī)模低于某臨界值的前提條件下。當(dāng)整個城市體系的人口規(guī)模超過臨界點時，則會產(chǎn)生新的中心城市。此外，根據(jù)集聚效應(yīng)的非線性特點也可以看出，當(dāng)某個城市的人口規(guī)模越過一定門檻時，則擁擠效應(yīng)“占據(jù)上風(fēng)”，從而導(dǎo)致生產(chǎn)要素的退出或者轉(zhuǎn)移，進而形成了產(chǎn)業(yè)的分散化布局。該過程其實也構(gòu)成了從單中心結(jié)構(gòu)向多中心結(jié)構(gòu)演變的理論解釋。

單中心和多中心城市體系具有不同的空間結(jié)構(gòu)特征，如圖1所示。其中，左圖為單中心結(jié)構(gòu)，右圖為多中心結(jié)構(gòu)?？梢钥闯?，單中心結(jié)構(gòu)形成了以某個大城市為核心的空間分布，其它衛(wèi)星城市均環(huán)繞在中心城市周圍。然而，對于距離中心城市較遠的地區(qū)，其接受中心城市的輻射效應(yīng)將大幅縮減。而多中心結(jié)構(gòu)在一定程度上克服了圍繞單中心城市建設(shè)的空間局限性，它可以通過構(gòu)造多個次中心城市來形成層級分布的體系結(jié)構(gòu)，而且多中心結(jié)構(gòu)通常具有更多的城市數(shù)量和更廣的空間范圍。

究竟何種城市體系結(jié)構(gòu)更有利于地區(qū)生產(chǎn)率的提升取決于區(qū)域內(nèi)部的城市規(guī)模分布和功能聯(lián)系。支持單中心結(jié)構(gòu)具有更高空間效率的內(nèi)在邏輯在于，其增強了生產(chǎn)要素的緊湊度，同時降低了通勤成本［16］。Rosenthal和Strange認為集聚效應(yīng)隨著空間半徑的增加而呈現(xiàn)指數(shù)式的衰減，由此推斷多中心結(jié)構(gòu)可能使集聚效應(yīng)的發(fā)揮“大打折扣”，而單中心結(jié)構(gòu)可以在某種程度克服空間距離的障礙［17］。如果區(qū)域內(nèi)部不同等級城市之間形成了功能互補、分工合理的多中心城市體系結(jié)構(gòu)，那么其可以有效避免由單中心結(jié)構(gòu)易形成的“城市病”，并構(gòu)建一個“1+1>2”的城市綜合體。特別是當(dāng)大都市區(qū)出現(xiàn)集聚不經(jīng)濟現(xiàn)象時，可以通過產(chǎn)業(yè)轉(zhuǎn)移促進要素的重新配置，改善地區(qū)資源配置效率。Meijers等認為多中心結(jié)構(gòu)所形成的空間網(wǎng)絡(luò)可以通過“借用規(guī)?！倍尫鸥鼜姷募坌?yīng)［18］。同時，由于多中心結(jié)構(gòu)形成了一種相對均衡的空間分布，因此對縮小區(qū)域差異也表現(xiàn)出積極影響［19-20］。如前文所言，多中心的空間結(jié)構(gòu)促進生產(chǎn)率提升的內(nèi)在機制源于Alonso早期提出的“借用規(guī)模”理論?！敖栌靡?guī)?！笨梢栽鰪姶蟪鞘袑χ行〕鞘械恼蛲獠恳绯?，同時，降低超大規(guī)模城市的負外部性［21］。

綜上所述，單中心城市體系結(jié)構(gòu)可能會通過提高生產(chǎn)要素的空間聚集度而有利于生產(chǎn)率改進。然而，從長期來看，隨著城市數(shù)量的增加和區(qū)域規(guī)模的擴張，多中心結(jié)構(gòu)可能會有效緩解由于資源過度集中所導(dǎo)致的效率損失。同時可以發(fā)現(xiàn)，在探討城市體系結(jié)構(gòu)的空間效率時，重點闡述了如何更大程度地優(yōu)化要素配置和釋放集聚效應(yīng)。因此，可以從理論上推斷，對于產(chǎn)業(yè)整體流失的地區(qū)，其單中心或者多中心城市體系結(jié)構(gòu)的表現(xiàn)可能均是缺乏效率的。相反，對于產(chǎn)業(yè)流入的區(qū)域，如果要素向中心城市過度集聚而形成單中心結(jié)構(gòu)，則可能產(chǎn)生中心城市生產(chǎn)率遠高于周邊城市的結(jié)果。而如果通過要素配置形成多中心結(jié)構(gòu)，則可以通過“借用規(guī)模”縮小地區(qū)間生產(chǎn)率差異，而空間效率獲得整體提升的概率也更高。

三、指標構(gòu)建

（一）城市體系結(jié)構(gòu)指數(shù)

現(xiàn)有研究形成了多個對城市體系結(jié)構(gòu)評價的指標，而用來評價多中心結(jié)構(gòu)的帕累托指數(shù)得到了廣泛的應(yīng)用，其測算公式為：

LnPopct=C-PolyptLnRct（1）

其中，Popct表示城市c在t時期的人口數(shù)量，Rct表示城市c在t時期人口數(shù)量排序，Polypt為省級層面的多中心結(jié)構(gòu)指數(shù)。其中，Polypt如果小于1，則表現(xiàn)為單中心結(jié)構(gòu)；相反，如果大于1，則為多中心結(jié)構(gòu)。因此，本文采用帕累托指數(shù)對城市體系結(jié)構(gòu)進行評價。需要指出的是，城市人口數(shù)量的統(tǒng)計口徑在各年并不一致，特別是近年來我國對城市人口的統(tǒng)計口徑從戶籍人口轉(zhuǎn)變?yōu)槌Ｗ∪丝?，統(tǒng)計口徑的變化預(yù)計將對指數(shù)的估計造成一定偏差。此外，行政區(qū)劃的調(diào)整更增加了對人口數(shù)量統(tǒng)計的挑戰(zhàn)。為克服上述困難，本文借鑒劉修巖等［15］的做法，采用全球夜間燈光數(shù)據(jù)對城市規(guī)模進行替代。目前，美國國家海洋和大氣管理局公布了1992—2013年的夜間影像，但由于夜間燈光數(shù)據(jù)具有較大的不穩(wěn)定性，而且在個別年份存在兩組燈光數(shù)據(jù)，同時考慮到觀測衛(wèi)星的老化和切換可能會降低不同年份數(shù)據(jù)的可比性，需要對原始數(shù)據(jù)進行校正。同時需要強調(diào)的是，在計算各省多中心指數(shù)時，為了降低各省份間城市體系結(jié)構(gòu)不同所帶來的偏差，借鑒Meijers和Burger［13］的方法，將各省排名前四位、前三位和前兩位的城市分別進行回歸，并將各條件下測算得到的多中心指數(shù)取平均值，從而得到各省在不同時期的多中心指數(shù)。

（二）產(chǎn)業(yè)動態(tài)集聚指標構(gòu)建

關(guān)于產(chǎn)業(yè)集聚水平的衡量，現(xiàn)有研究已形成了豐富的測度方法，包括空間基尼指數(shù)、E-G指數(shù)等，但這些集聚指標并未充分消除城市地理面積的影響，更重要的是，也并未充分反映集聚效應(yīng)的動態(tài)特征。事實上，大多數(shù)指標衡量的是產(chǎn)業(yè)的靜態(tài)地理集中度，即側(cè)重于反映產(chǎn)業(yè)集聚的絕對規(guī)模，而產(chǎn)業(yè)集聚效應(yīng)的衡量和發(fā)揮還應(yīng)在資源動態(tài)配置的過程中得到體現(xiàn)［22］。目前，用來測算產(chǎn)業(yè)動態(tài)集聚水平的方法多采用Duranton和Overman［23］提出的DO指數(shù)，其通過定位企業(yè)的位置并通過k-density函數(shù)來度量企業(yè)間距離，進而評價產(chǎn)業(yè)在全局或者局部的集聚動態(tài)。需要指出的是，本文擬在全國城市范圍測算產(chǎn)業(yè)的動態(tài)集聚水平，而DO指數(shù)的復(fù)雜性和對數(shù)據(jù)的高要求限制了其在更廣空間的運用?；谏鲜隹紤]，該部分在王永進和盛丹［24］方法構(gòu)建的基礎(chǔ)上，借鑒Duranton和Overman的思路，將企業(yè)進入和退出某地區(qū)的過程融入集聚指標構(gòu)建，并具體包括以下四個步驟。

第一，由于行政區(qū)劃面積并不能反映城市“真實”的經(jīng)濟活動空間，我們借鑒李松林和劉修巖［25］的處理方法，采用夜間燈光來提取城市的活動空間。其中，對城市活動空間的提取參照Jiang等［26］的“兩步法”：首先，對城市柵格的燈光值進行加總平均，并保留大于均值的柵格；然后，對保留柵格進行再平均，并保留高于平均值的柵格，同時將其保留的城市柵格面積總和作為城市的“真實”活動空間。

第二，將城市c企業(yè)f的勞動力數(shù)量、資本和產(chǎn)出規(guī)模加總至城市×行業(yè)層面，然后除以步驟1中提取的城市地理面積，用areac來表示，從而得到城市c行業(yè)i在勞動、資本和產(chǎn)出的地理密集度，具體計算公式可表示為：

docit=foutputfcit/areac，dacit=fassetfcit/areac和decit=femploymentcit/areac。

第三，為評價企業(yè)進入和退出對地區(qū)產(chǎn)業(yè)集聚水平的影響，我們借鑒毛其淋和盛斌［2］的處理方法對進出某地區(qū)的企業(yè)進行識別，并采用（1+pcit）對地理密集度進行加權(quán)。其中，pcit表示城市c行業(yè)i在t時期的凈增份額。由于當(dāng)企業(yè)退出規(guī)模大于新進入企業(yè)時，pcit為負值，因此這里采用（1+pcit）進行修正。在勞動、資本和產(chǎn)出的加權(quán)公式分別表示為：

adecit=（1+pcite）×decit-1，adacit=（1+pcita）×dacit-1和adocit=（1+pcito）×docit-1

。

第四，由于不同城市間的產(chǎn)業(yè)構(gòu)成存在較大差異，為增加城市間集聚水平的可比性，進一步以城市c行業(yè)i的勞動、資本和產(chǎn)出份額為權(quán)重，對adecit、adacit以及adocit進行加總，具體表示為：density_adect=iadecit×secit，density_adact=iadacit×sacit以及density_adoct=iadocit×socit。

secit、sacit和socit分別表示行業(yè)i在t時期占城市c的勞動、資本和產(chǎn)出份額。

（三）城市生產(chǎn)率的測算和分解

目前，關(guān)于生產(chǎn)率的測算和分解多采用隨機前沿法和數(shù)據(jù)包絡(luò)法。由于隨機前沿模型放松了數(shù)據(jù)包絡(luò)法中關(guān)于固定生產(chǎn)前沿面的設(shè)定，而且放松了生產(chǎn)要素不變替代彈性假設(shè)，可以區(qū)別無效率項和隨機誤差項，在一定程度克服了模型的內(nèi)生性問題。因此，我們選用隨機前沿模型對生產(chǎn)率進行測算，其超越對數(shù)生產(chǎn)函數(shù)可表示為：

lnYct=β0+β1lnLct+β2lnKct+β3t+0.5β4（lnKct）2+0.5β5（lnLct）2+0.5β6t2+

β7lnKctlnLct+β8tlnLct+β9tlnKct+υct-μct

（2）

其中，Y表示城市產(chǎn)出，L為勞動力，K表示城市資本存量。由于城市資本存量的數(shù)據(jù)并不能直接獲取，參照現(xiàn)有研究采用永續(xù)盤存法進行測算，并具體表示為：

Kct=Kct-1（1-δc）+（Ict+Ict-1+Ict-2+…）（3）

其中，Kct表示城市c在t時期的資本存量，δc為折舊率，Ict表示城市c在t時期的固定資產(chǎn)投資。對于投資額I而言，借鑒柯善咨和向娟［27］的做法，采用新增固定資產(chǎn)進行衡量，并將固定資產(chǎn)的平均建設(shè)周期設(shè)置為3年，表示為I=（Ict+Ict-1+Ict-2）/3。對于折舊率而言，現(xiàn)有研究多采用張軍等［28］或者單豪杰［29］測算得到的折舊率，然而，所有城市采用同一折舊率并不恰當(dāng)，更何況折舊率所覆蓋的時期可能并不適用于當(dāng)期資本存量的測算?？紤]到數(shù)據(jù)的可得性，這里對各個省份的折舊率進行測算，進而估算所轄城市折舊率，其結(jié)果如表1所示。

此外，采用永續(xù)盤存法還需要確定初始資本存量，計算公式為：

Kco=I′co1+1-δc1+gc+1-δc1+gc2+…=

I′co1+gcgc+δc

（4）

其中，gc為固定資產(chǎn)投資I′co的增長率，I′co表示初始年份的投資額。由于根據(jù)式（4）可以對前期的資本存量進行倒推，因此在選擇基期時具有一定的自由度，該部分以2000年作為基期。

基于隨機前沿模型對超越對數(shù)生產(chǎn)函數(shù)系數(shù)的回歸，并參照Kumbhakar和Lovell［30］的分解方法，可計算出各城市全要素生產(chǎn)率及其分解指標的變化率，包括規(guī)模效率、技術(shù)進步率和技術(shù)效率。

四、模型構(gòu)建與實證分析

（一）模型構(gòu)建

基于城市體系結(jié)構(gòu)、產(chǎn)業(yè)動態(tài)集聚和城市生產(chǎn)率等相關(guān)指標的構(gòu)建，本文進一步通過選擇合適的計量模型開展實證檢驗?？紤]到地區(qū)間可能存在空間相關(guān)性，本文通過Moran指數(shù)對城市生產(chǎn)率的空間相關(guān)性進行檢驗，結(jié)果如表2所示。其中，Moran指數(shù)的測算基于經(jīng)濟距離空間權(quán)重矩陣，結(jié)果表明地區(qū)間存在顯著的空間關(guān)聯(lián)性。采用常用的OLS回歸模型來進行實證分析可能存在偏誤，于是本文通過選擇合適的空間計量模型進行檢驗。

一般而言，通常被采用的空間計量模型主要包括空間自相關(guān)模型（Spatial Autoregressive Model，SAR）和空間誤差模型（Spatial Error Model，SEM）。由于空間杜賓模型（Spatial Dubin Model，SDM）同時嵌套了空間滯后模型和空間誤差模型，可以有效衡量空間溢出的直接效應(yīng)和間接效應(yīng)［31］，因此也逐漸成為主要的空間計量分析方法之一。對于模型的選取，空間計量經(jīng)濟學(xué)提供了豐富的識別方法，結(jié)果如表3所示。

以SDM為母體的Wald檢驗和LR檢驗結(jié)果表明，在三種空間權(quán)重矩陣交互作用下的SDM模型均不優(yōu)于SAR模型或者SEM模型，因此應(yīng)直接采用SAR模型或者SEM模型。通過對比穩(wěn)健LM檢驗的統(tǒng)計值可以發(fā)現(xiàn)，采用SEM模型為更優(yōu)選擇，并將空間計量模型設(shè)定為：

ln（1+ΔTFPct）=C+β1lnPolyp（t-4）

+β2lnAggc（t-4）

+β3lnAggc（t-4）×lnPolyp（t-4）

+

β4lnPolyp（t-4）+κc+υt+ξct

ξct=λWnξct+μct

（5）

其中，△TFP表示城市生產(chǎn)率增長率，Poly為省級層面的城市體系結(jié)構(gòu)指數(shù)，Agg表示城市產(chǎn)業(yè)動態(tài)集聚指數(shù)，X為其他控制變量。同時，κc和vt分別表示地區(qū)和時間的固定效應(yīng)，εct為隨機擾動項，λ為空間誤差系數(shù)，μct為隨機誤差項。此外，Wn為空間權(quán)重矩陣。需要強調(diào)的是，考慮到區(qū)域空間結(jié)構(gòu)的復(fù)雜性，很難找到能夠準確衡量地區(qū)間實際依賴關(guān)系的權(quán)重矩陣，而空間權(quán)重矩陣的誤用很可能產(chǎn)生計量結(jié)果的偏差。因此，模型（5）中的空間權(quán)重矩陣Wn同時嵌套了鄰接空間權(quán)重矩陣、物理距離空間權(quán)重矩陣和經(jīng)濟距離空間權(quán)重矩陣，從而增加回歸結(jié)果的準確度和穩(wěn)健性。其中，鄰接空間權(quán)重矩陣由城市間位置關(guān)系決定，相鄰則權(quán)重設(shè)置為1，否則為0。物理距離空間權(quán)重矩陣的元素ωij表示城市i與j的最短公路里程的倒數(shù)，而經(jīng)濟距離空間權(quán)重矩陣則在物理距離空間權(quán)重矩陣的基礎(chǔ)上加城市的經(jīng)濟權(quán)重，這里采用的是城市人均GDP。

需要說明的是，由于隨機前沿模型測算的是地區(qū)生產(chǎn)率的增長率，其可能存在負值，因此，在取對數(shù)時應(yīng)當(dāng)進行相應(yīng)調(diào)整。此外，城市體系結(jié)構(gòu)演進和產(chǎn)業(yè)動態(tài)集聚水平可能對地區(qū)生產(chǎn)率的影響產(chǎn)生一定時期的滯后，參照魏守華等［32］的做法，我們將兩個變量統(tǒng)一滯后四期。同時，還對可能影響地區(qū)生產(chǎn)率的變量進行控制，包括固定資產(chǎn)投資占比（pinvest）、外商直接投資規(guī)模（fdi）和每萬人大學(xué)生數(shù)（pedu）等。表4為主要變量的描述性統(tǒng)計，其中，△SE表示城市規(guī)模效率增長率，△FTP為技術(shù)進步率，△TE表示技術(shù)效率增長率。

（二）數(shù)據(jù)來源

本文采用的數(shù)據(jù)庫主要包括全球夜間燈光數(shù)據(jù)

夜間燈光數(shù)據(jù)的下載地址為：https：//ngdc.noaa.gov/eog/dmsp/downloadV4composites.html。］、中國工業(yè)企業(yè)數(shù)據(jù)庫、《中國城市統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》等，綜合考慮數(shù)據(jù)庫可獲取的時限性，將時間區(qū)間設(shè)置為2000年至2013年。其中，測算城市體系結(jié)構(gòu)指數(shù)采用的是由美國國家海洋和大氣管理局公布的城市夜間燈光數(shù)據(jù)，計算結(jié)果為省級層面的多中心空間結(jié)構(gòu)指數(shù)，時間范圍為2000年至2013年。測算城市層面的產(chǎn)業(yè)動態(tài)集聚指數(shù)主要采用2000年至2013年中國工業(yè)企業(yè)數(shù)據(jù)庫和全球夜間燈光數(shù)據(jù)，而測算城市生產(chǎn)率和其他控制變量的數(shù)據(jù)主要來自2005年至2018年《中國城市統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。為減小計量模型的回歸誤差，本文剔除了樣本缺失和存在異常值的城市，同時對行政區(qū)劃調(diào)整的城市進行數(shù)據(jù)整合，樣本覆蓋264個地級及以上城市。

（三）實證分析

1.基準回歸

表5為在城市體系結(jié)構(gòu)演進和產(chǎn)業(yè)動態(tài)集聚作用下城市生產(chǎn)率的變動結(jié)果。為對比在引入空間相關(guān)性前后對結(jié)果產(chǎn)生的影響，我們同時采用了無空間權(quán)重矩陣的OLS方法。首先，用來表示城市間空間相關(guān)性的λ值顯著為正，表示在城市間存在正向的空間關(guān)聯(lián)性。同時，在總體上，采用OLS模型與空間計量模型的回歸結(jié)果存在一定的差異，說明忽略城市間的空間溢出效應(yīng)會導(dǎo)致結(jié)果的偏差。具體而言，在三種空間權(quán)重矩陣作用下，多中心的城市體系結(jié)構(gòu)對城市生產(chǎn)率的影響并不顯著。然而，在加入包含產(chǎn)業(yè)動態(tài)集聚指數(shù)的交互項后則顯著為正，表明在產(chǎn)業(yè)動態(tài)調(diào)整與城市體系結(jié)構(gòu)演變的共同作用下，對城市生產(chǎn)率增長的影響顯著為正?；鶞驶貧w模型所反映出的經(jīng)濟現(xiàn)象可以解釋為，多中心空間結(jié)構(gòu)本身的演變對城市生產(chǎn)率的促進效應(yīng)并不顯著，反而需要在空間溢出效應(yīng)作用下，通過城市間產(chǎn)業(yè)集聚的動態(tài)調(diào)整來釋放多中心城市體系結(jié)構(gòu)的效率。而且，對于無空間權(quán)重矩陣的結(jié)果而言，ln aggc（t-4） ×lnpolyp（t-4）交互項的絕對值明顯偏小，進一步表明在城市空間溢出效應(yīng)的作用下，多中心結(jié)構(gòu)與產(chǎn)業(yè)動態(tài)集聚對生產(chǎn)率的影響得到了強化，而且表現(xiàn)出積極的影響。

2.基于生產(chǎn)率分解指標的檢驗

為進一步明確城市體系結(jié)構(gòu)對地區(qū)生產(chǎn)率的影響機制，該部分對生產(chǎn)率的分解指標進行檢驗，結(jié)果如表6所示?？梢园l(fā)現(xiàn)，多中心結(jié)構(gòu)與產(chǎn)業(yè)集聚均顯著提升了城市的規(guī)模效率，而且兩者的交互作用也產(chǎn)生了積極影響。該結(jié)果表明城市的產(chǎn)業(yè)聚集有利于規(guī)模效率的改善，而且多中心結(jié)構(gòu)也可以同時優(yōu)化區(qū)域的規(guī)模效率。然而，對技術(shù)進步率和技術(shù)效率而言，則表現(xiàn)出差異化的結(jié)果。具體而言，產(chǎn)業(yè)集聚本身并未顯著促進技術(shù)進步，而且其與多中心結(jié)構(gòu)的交互項顯著為負，反映出在多中心結(jié)構(gòu)下的產(chǎn)業(yè)集聚并不利于技術(shù)進步。同時，對于技術(shù)效率而言，其回歸結(jié)果與技術(shù)進步率相似，也反映出多中心的空間結(jié)構(gòu)與產(chǎn)業(yè)集聚并未顯著提升技術(shù)效率，反而表現(xiàn)出一定的抑制作用。由此可以推斷，多中心結(jié)構(gòu)的“借用規(guī)?！笨赡軐Φ貐^(qū)的規(guī)模效率更加有效，但要素的分散化配置反而不利于技術(shù)進步和技術(shù)效率的改善。

3.分城市群檢驗

現(xiàn)有研究在討論單中心和多中心結(jié)構(gòu)的空間效率時并未得到一致結(jié)論，其較大程度源于空間的異質(zhì)性特征。目前，我國已形成包括京津冀、長三角、珠三角、長江中游和成渝等在內(nèi)的發(fā)展較為成熟的五大國家級城市群，而且由于自然稟賦和歷史文化的不同，又形成了各具特色的城市體系結(jié)構(gòu)。根據(jù)城市體系結(jié)構(gòu)指數(shù)的測算，五大國家級城市群的Polyut值均大于1，即表現(xiàn)為多中心的空間結(jié)構(gòu)（表7）。然而，需要指出的是，京津冀城市群的多中心特征正逐年減弱。

對于京津冀城市群而言，多中心結(jié)構(gòu)與產(chǎn)業(yè)集聚的交互項顯著為負，表明產(chǎn)業(yè)在京津冀城市群布局的過程中，其形成的城市體系結(jié)構(gòu)并未有效提升生產(chǎn)率。產(chǎn)生該現(xiàn)象的原因可能在于，京津冀城市群內(nèi)部存在明顯的要素非均衡化配置，形成了以北京和天津為中心的空間結(jié)構(gòu)，但周圍節(jié)點城市“借用”中心城市規(guī)模的效果并不理想。相比而言，長三角城市群呈現(xiàn)出更顯著的多中心特征，形成了以上海為中心，南京、杭州為次中心，其他節(jié)點城市星羅棋布的層級城市體系結(jié)構(gòu)［4］?；貧w結(jié)果顯示，在生產(chǎn)率提升方面，長三角城市群的多中心結(jié)構(gòu)與產(chǎn)業(yè)集聚之間形成了良好的協(xié)同效應(yīng)。珠三角城市群的回歸結(jié)果與長三角城市群相似，但從珠三角內(nèi)部的經(jīng)濟構(gòu)成來看，其與長三角城市群存在較大差異。對比發(fā)現(xiàn)，珠三角城市群的經(jīng)濟重心集中分布在珠江口大灣區(qū)，同時也是生產(chǎn)率水平相對較高的區(qū)域，但外圍地區(qū)的生產(chǎn)率水平相對較低。同時，珠三角城市群整體的空間關(guān)聯(lián)性相對偏弱。值得注意的是，由于長三角城市群和珠三角城市群均為產(chǎn)業(yè)凈流入較高的地區(qū)，其多中心結(jié)構(gòu)效率的釋放更依賴于融入產(chǎn)業(yè)集聚的動態(tài)變化過程。

就長江中游城市群而言，其位于長江經(jīng)濟帶中間環(huán)節(jié)，屬于覆蓋城市數(shù)量和空間范圍最廣的特大型城市群。然而，結(jié)果表明，多中心結(jié)構(gòu)與產(chǎn)業(yè)集聚的協(xié)同效應(yīng)顯著為負，表明長江中游城市群尚未形成富有效率的城市體系結(jié)構(gòu)。其原因可能在于，長江中游城市群內(nèi)部要素過度聚集在武漢、長沙、南昌等省會城市，而周邊城市與中心城市之間形成了懸殊的經(jīng)濟差異［以湖北省為例，根據(jù)2019年湖北省統(tǒng)計數(shù)據(jù)，在湖北12個地級市中，武漢市GDP占湖北省的比重達35%，而人口占比也達到24%，其他城市經(jīng)濟和人口占比相對較低。通過測算多中心指數(shù)平均為0.58（小于1），表明湖北省形成了以武漢為核心的單中心結(jié)構(gòu)。］。同時，由于長江中游城市群地跨四省，其龐大的空間范圍和合作機制的不成熟勢必會增加城市群的協(xié)調(diào)難度。成渝城市群是典型的以成都和重慶為雙核的城市體系結(jié)構(gòu)，回歸結(jié)果表明，多中心結(jié)構(gòu)和產(chǎn)業(yè)集聚本身并不利于生產(chǎn)率的提升，但在兩者的協(xié)同作用下顯著改善了地區(qū)生產(chǎn)率。

4.內(nèi)生性處理

盡管空間計量模型可以通過引入不同的空間權(quán)重矩陣來減小內(nèi)生性偏誤，但核心解釋變量與地區(qū)生產(chǎn)率之間仍然可能存在因果聯(lián)系。為進一步校正內(nèi)生性問題，該部分采用廣義空間二階段最小二乘法進行處理。關(guān)于工具變量的選取，主要包括兩個方面：第一，參照劉修巖［1］的思路，將城市地表粗糙度作為產(chǎn)業(yè)集聚的工具變量。Ramcharan也通過研究表明，城市地表越不平坦，則修建和維護道路的成本越高，在該區(qū)域形成聚集狀態(tài)的概率則越高［33］。第二，考慮到自然稟賦在空間經(jīng)濟學(xué)中的重要性，借鑒劉修巖等［15］的思路，將區(qū)域的河流密度作為多中心結(jié)構(gòu)的工具變量。Bosker和Buringh考察歐洲城市的歷史也發(fā)現(xiàn)，是否靠近水源與城市規(guī)模之間存在內(nèi)在聯(lián)系，并發(fā)現(xiàn)河流沿岸通常是城市和人口分布的集中地［34］。需要強調(diào)的是，地表粗糙度與河流密度并不隨時間發(fā)生變化，因此不能充分反映被替代變量的動態(tài)特征。歷史證明，對外開放一直是我國經(jīng)濟增長和要素聚集的內(nèi)在動力，且匯率是隨時間波動的可以影響對外開放度的變量，因此這里將匯率作為變動因子對地表粗糙度和河流密度進行加權(quán)［這里的匯率是指人民幣兌換美元的比率。］?；貧w結(jié)果如表8所示，模型一和模型二分別對多中心結(jié)構(gòu)和產(chǎn)業(yè)集聚指標進行內(nèi)生性處理，而模型三對兩個變量進行雙重處理。結(jié)果表明，模型一和模型二所對應(yīng)的交互項結(jié)果與基準模型并不一致，即對生產(chǎn)率的影響反而為負。然而，值得注意的是，在模型三的雙重處理結(jié)果中，與基準模型保持一致。分析其原因可能在于，僅對某一經(jīng)濟變量進行內(nèi)生性處理可能是片面的，而且增加了對經(jīng)濟現(xiàn)象的解釋難度。而同時采用自然稟賦指標進行替代后，一方面較大程度地降低了模型可能由因果聯(lián)系而產(chǎn)生的內(nèi)生性偏誤，另一方面可以僅從自然地理特征的角度對結(jié)果進行解釋。因此，我們認為，模型三對應(yīng)的回歸結(jié)果更具有參考價值。

5.穩(wěn)健性檢驗

為保證回歸結(jié)果的穩(wěn)健性，本文通過變換評價指標的方法進行檢驗。其中，模型一和模型二通過構(gòu)建不同指標對城市體系結(jié)構(gòu)進行評價，包括調(diào)整的赫芬達爾指數(shù)和變換的首位度指數(shù)。其中，赫芬達爾指數(shù)的構(gòu)建參照Al-Marhubi［35］的方法，具體表示為：

Hpt=ni=1（lct/Lpt）2-1/n）（1-1/n）

（6）

在式（6）中，Hpt表示省級層面的赫芬達爾指數(shù)，lct為城市c在時期t的夜間燈光亮度，Lpt表示省份p在t時期的平均夜間燈光亮度，n表示各省地級市的數(shù)量。Hpt的值介于（0，1）之間，且越趨近于1，則表明越趨向于單中心結(jié)構(gòu)。為保持與基準模型結(jié)果的可比性，本文采用1/Hpt作為poly指數(shù)的代理變量。同時，用1減去首位城市規(guī)模比例來代替poly指數(shù)，其中首位城市為各省份燈光亮度最高的城市。根據(jù)表9回歸結(jié)果，多中心結(jié)構(gòu)與產(chǎn)業(yè)集聚協(xié)同促進生產(chǎn)率提升的結(jié)論是穩(wěn)健的。同時，考慮到評價地區(qū)生產(chǎn)率的指標是多樣的，本文進一步借鑒Fallah等［36］的方法，將勞均實際GDP作為生產(chǎn)率的替代指標，其中勞均實際GDP以各市轄區(qū)實際GDP除以非農(nóng)就業(yè)人數(shù)得到，模型三對應(yīng)的結(jié)果進一步支持了基準模型的回歸結(jié)果。

五、進一步討論

（一）對區(qū)域生產(chǎn)率協(xié)同性的影響

Glaeser等［6］曾指出多中心空間結(jié)構(gòu)所形成的城市網(wǎng)絡(luò)有助于促進要素流動和專業(yè)分工，那么，由多中心結(jié)構(gòu)所帶來的要素分散化配置能否促進區(qū)域生產(chǎn)率的收斂？為進一步探討區(qū)域生產(chǎn)率的協(xié)同性，該部分將方程（5）進一步拓展為：

ln（1+ΔTFPct）-ln（1+ΔTFPct-1）=φln（1+ΔTFPct-1）+

γ1lnPolyp（t-4）

+γ2lnAggc（t-4）

+γ3lnAggc（t-4）×lnPolyp（t-4）

+γ4lnXct+μc+υt+ξct

ξct=λWnξct+μct

（7）

表10中模型一至模型四分別為逐步引入多中心結(jié)構(gòu)指數(shù)、產(chǎn)業(yè)動態(tài)集聚指數(shù)以及兩者交互項的回歸結(jié)果。通過表10可以看出，在不同情形下，ln （1+△TFPct-1）的系數(shù)均顯著為負，表明地區(qū)間生產(chǎn)率存在收斂的趨勢。通過對比加入控制變量前后的結(jié)果不難發(fā)現(xiàn)，模型二在引入多中心結(jié)構(gòu)指數(shù)后，ln （1+△TFPct-1）的系數(shù)絕對值有所增加，表明多中心結(jié)構(gòu)有利于地區(qū)生產(chǎn)率的協(xié)同。同時，模型三在引入產(chǎn)業(yè)動態(tài)集聚指數(shù)后，ln （1+△TFPct-1）的系數(shù)絕對值同樣增加，表明產(chǎn)業(yè)集聚動態(tài)調(diào)整的過程也促進了生產(chǎn)率的協(xié)同。在同時引入多中心指數(shù)和產(chǎn)業(yè)集聚指數(shù)后，ln （1+△TFPct-1）的絕對值進一步增加，表明在兩者的共同作用下，可以促進生產(chǎn)率的協(xié)同。分析其原因可能在于，多中心的城市體系結(jié)構(gòu)更利于資源的分散化配置，而產(chǎn)業(yè)集聚動態(tài)的調(diào)整也使資源得到更加均衡化的配置。

（二）對不同規(guī)模城市生產(chǎn)率的影響

由于單中心或者多中心城市體系結(jié)構(gòu)是由不同規(guī)模城市構(gòu)成，城市間空間溢出效應(yīng)的非對稱性可能導(dǎo)致在相同的空間框架下對不同規(guī)模城市產(chǎn)生差異化影響。因此，有必要基于不同規(guī)模城市進行分樣本檢驗，回歸結(jié)果如表11所示。具體而言，模型一和模型二為對大規(guī)模城市的影響，分別以省會城市和省內(nèi)前三大城市來衡量?？梢钥闯?，多中心結(jié)構(gòu)本身對生產(chǎn)率影響為負，但加入產(chǎn)業(yè)集聚指數(shù)后的交互項顯著為正，表明產(chǎn)業(yè)集聚對大規(guī)模城市產(chǎn)生了積極影響。而且，盡管多中心結(jié)構(gòu)可能通過擴大要素的配置空間而分散了大規(guī)模城市的利益，但在產(chǎn)業(yè)動態(tài)集聚的過程中依然有利于大規(guī)模城市的發(fā)展。相比之下，多中心結(jié)構(gòu)和產(chǎn)業(yè)集聚對小規(guī)模城市的影響恰好相反，即盡管多中心結(jié)構(gòu)對小城市生產(chǎn)率產(chǎn)生了積極影響，但考慮產(chǎn)業(yè)集聚動態(tài)調(diào)整的影響后卻抑制了地區(qū)生產(chǎn)率的提升。其原因可能在于，多中心結(jié)構(gòu)可以通過“借用規(guī)?！敝π∫?guī)模城市發(fā)展，但大規(guī)模城市對生產(chǎn)要素的吸引力可能同時對中小城市的要素集聚形成一定的“極化效應(yīng)”，從而導(dǎo)致在產(chǎn)業(yè)動態(tài)集聚的過程中更有利于大規(guī)模城市。此外，通過對比模型一和模型二，以及模型三和模型四可以看出，對于規(guī)模越大的城市，兩者對生產(chǎn)率的提升作用越明顯。相反，對于規(guī)模越小的城市，其對生產(chǎn)率的抑制作用也更顯著。

（三）影響機制檢驗

根據(jù)理論機制部分的描述，城市體系結(jié)構(gòu)的演進與產(chǎn)業(yè)集聚的過程密不可分，而且不同城市體系結(jié)構(gòu)對地區(qū)生產(chǎn)率的影響也與集聚外部效應(yīng)的釋放緊密相關(guān)?；谏鲜鲞壿嫞瑢⒂绊憴C制檢驗方程設(shè)置為：

lnPolypt=C+η1lnaggct

+η2distancect

+η3lnaggct×distancept

+η4lnXct+μc+υt+ξct（8）

ln（1+ΔTFPct）=C+υ1lnPolyp（t-4）

+υ2lnmarketp（t-4）

+υ3lnPolyp（t-4）×lnmarketp（t-4）

+η4lnXct+

μc+υt+ξct

（9）

其中，方程（8）中被解釋變量為多中心城市體系結(jié)構(gòu)指數(shù)，產(chǎn)業(yè)動態(tài)集聚為核心解釋變量；而方程（9）中多中心城市體系結(jié)構(gòu)指數(shù)為核心解釋變量，地區(qū)生產(chǎn)率增長為被解釋變量，回歸結(jié)果如表12所示。由于城市體系結(jié)構(gòu)的形成與城市的空間分布有關(guān)，因此，在方程（8）中引入地理距離distance，用來表示各省內(nèi)部城市間的平均距離。方程（8）對應(yīng)模型一的回歸結(jié)果，可以看出，城市間平均距離越遠，則更有利于多中心結(jié)構(gòu)的形成。由于集聚更傾向于在某一空間范圍的集中，根據(jù)lnaggct為負值可以推斷產(chǎn)業(yè)集聚并不利于多中心結(jié)構(gòu)的形成。然而，產(chǎn)業(yè)集聚與地理距離的交互項為正，說明對于城市位置分布相對分散的省份，產(chǎn)業(yè)集聚的過程加速了多中心結(jié)構(gòu)的形成。

根據(jù)理論分析，多中心結(jié)構(gòu)可以通過“借用規(guī)?！贝龠M生產(chǎn)率提升，但需要建立在要素充分流動和分工協(xié)作的基礎(chǔ)上。因此，在方程（9）中引入了市場一體化指數(shù)，用來反映城市體系內(nèi)部要素的自由流動程度。模型二對應(yīng)方程（9）的回歸結(jié)果，發(fā)現(xiàn)建立在市場一體化基礎(chǔ)上的多中心結(jié)構(gòu)具有更高的空間效率。綜合以上兩步回歸結(jié)果可以看出，我國城市的產(chǎn)業(yè)集聚促進了多中心城市體系結(jié)構(gòu)的形成，而市場一體化進程又充分釋放了多中心結(jié)構(gòu)空間效率，進而加速了地區(qū)生產(chǎn)率的提升。

六、結(jié)論與政策啟示

隨著城市化水平提升和城市集群化發(fā)展，圍繞城市體系空間效率的研究不斷呈現(xiàn)。然而，究竟單中心結(jié)構(gòu)還是多中心結(jié)構(gòu)具有更高的空間效率，相關(guān)文獻并未得到一致結(jié)論。需要指出的是，城市體系結(jié)構(gòu)的演化和地區(qū)生產(chǎn)率的提升與產(chǎn)業(yè)集聚的過程密不可分，忽略產(chǎn)業(yè)集聚過程而探討城市體系的效率問題是片面的。本文從城市體系結(jié)構(gòu)演化、產(chǎn)業(yè)動態(tài)集聚與地區(qū)生產(chǎn)率提升的邏輯關(guān)系出發(fā)，對三者之間的作用機制進行闡釋，并選擇合適的空間計量模型進行檢驗。

研究發(fā)現(xiàn)，多中心結(jié)構(gòu)與產(chǎn)業(yè)集聚共同推動了地區(qū)生產(chǎn)率的提升，而且同時有利于城市規(guī)模效率的改善，但損失了技術(shù)進步率和技術(shù)效率。通過對我國不同區(qū)位國家級城市群進行對比分析后發(fā)現(xiàn)，長三角、珠三角和成渝城市群具有較高的空間效率，但京津冀和長江中游城市群則恰好相反。為降低模型內(nèi)生性偏誤，分別采用河流密度和地表粗糙度作為多中心指數(shù)和產(chǎn)業(yè)集聚指數(shù)的工具變量，并采用調(diào)整的赫芬達爾指數(shù)和變換的首位度指數(shù)進行穩(wěn)健性檢驗，其結(jié)果并未呈現(xiàn)明顯差異。通過進一步分析發(fā)現(xiàn)，多中心空間結(jié)構(gòu)與產(chǎn)業(yè)動態(tài)集聚均顯著促進了區(qū)域生產(chǎn)率的協(xié)同。同時，多中心結(jié)構(gòu)可以促進小規(guī)模城市的生產(chǎn)率提升，但由于在產(chǎn)業(yè)集聚的過程中處于劣勢地位，因此在兩者的交互作用下依然損失了小城市的空間效率。相反，該過程有力推動了大規(guī)模城市生產(chǎn)率的提升。通過影響機制的檢驗可以看出，產(chǎn)業(yè)集聚加速了多中心空間結(jié)構(gòu)的形成，而多中心結(jié)構(gòu)在市場一體化的推動下又改進了地區(qū)生產(chǎn)率。

基于豐富的研究結(jié)論，本文具有較強的政策導(dǎo)向性，主要體現(xiàn)在以下三個方面。

第一，深化城市體系結(jié)構(gòu)演進與產(chǎn)業(yè)動態(tài)集聚的耦合關(guān)系，進一步釋放生產(chǎn)率增長潛能。盡管實證結(jié)果表明，多中心結(jié)構(gòu)與產(chǎn)業(yè)集聚的交互作用推動了地區(qū)生產(chǎn)率的提升，然而，從更深層次的角度，兩者對技術(shù)進步率和技術(shù)效率卻呈現(xiàn)消極影響。因此，還應(yīng)當(dāng)在釋放城市規(guī)模效益的同時，提升產(chǎn)業(yè)集聚的技術(shù)含量，將技術(shù)進步作為未來推動我國生產(chǎn)率提升的核心力量。同時，加強城市間的產(chǎn)業(yè)合作和技術(shù)共享，探索實現(xiàn)跨區(qū)域一體化發(fā)展的機制和路徑，以“一盤棋”的思維統(tǒng)籌推進區(qū)域生產(chǎn)率的提升。

第二，以城市群為載體打造兼顧效率與公平的城市綜合體。研究發(fā)現(xiàn)，我國五大國家級城市群呈現(xiàn)了各具特征的城市體系結(jié)構(gòu)和空間效率。值得注意的是，究竟何種城市體系結(jié)構(gòu)更有效率，很難通過對比不同城市群得到確切答案。然而，由于京津冀和長江中游城市群內(nèi)部存在相對明顯的“中心—外圍”特征，形成了優(yōu)質(zhì)資源向中心城市過度聚集的情形，該過程不僅損害了小城市的生產(chǎn)率，而且不利于區(qū)域的協(xié)同發(fā)展。因此，應(yīng)當(dāng)立足于城市群各城市的空間分布特征，著力打造大中小城市和小城鎮(zhèn)協(xié)調(diào)發(fā)展的空間格局。也就是說，對于要素資源集中流向某一個或者少數(shù)中心城市時，應(yīng)當(dāng)注重不同規(guī)模城市的職能分工和功能互補，避免成為中心城市的“獨角戲”。事實上，雄安新區(qū)的設(shè)立將較大程度地緩解京津冀城市群內(nèi)部要素非均衡分布的問題。

第三，應(yīng)當(dāng)在突出中心城市主導(dǎo)地位的同時，更加注重中小城市的發(fā)展?！吨腥A人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》明確指出，“要發(fā)展壯大城市群和都市圈，分類引導(dǎo)大中小城市發(fā)展方向和建設(shè)重點，形成疏密有致、分工協(xié)作、功能完善的城鎮(zhèn)化空間格局”。然而，研究表明，在多中心結(jié)構(gòu)與產(chǎn)業(yè)集聚共同作用下其實更有利于中心城市，而對中小城市形成了一定的“擠出效應(yīng)”。因此，應(yīng)當(dāng)在發(fā)揮中心城市輻射帶動作用的同時，引導(dǎo)非核心部門向周邊城市轉(zhuǎn)移，積極承接中心城市的外部溢出。同時，加強城市間的分工協(xié)作，例如，生產(chǎn)性服務(wù)業(yè)傾向于向大城市聚集，而專業(yè)化的制造業(yè)企業(yè)則傾向于向小城市集聚，如何在不同規(guī)模城市之間形成良性互動的關(guān)系，是下一步釋放空間效率的重點。此外，對影響機制的分析結(jié)果也表明，需要進一步提升市場一體化水平，加強區(qū)域內(nèi)部的要素流動，打造一個中心城市拉動中小城市、中小城市反哺中心城市的良性循環(huán)體系。

參考文獻：

［1］劉修巖.空間效率與區(qū)域平衡：對中國省級層面集聚效應(yīng)的檢驗［J］.世界經(jīng)濟，2014（1）：55-80.

［2］毛其淋，盛斌.中國制造業(yè)企業(yè)的進入退出與生產(chǎn)率動態(tài)演化［J］.經(jīng)濟研究，2013（4）：16-29.

［3］BREZZI M，VENERI P.Assessing polycentric urban systems in the OECD：Country，regional and metropolitan perspectives［J］.European Planning Studies，2015，23（6）：1128-1145.

［4］郝良峰，邱斌.基于同城化與產(chǎn)業(yè)同構(gòu)效應(yīng)的城市層級體系研究：以長三角城市群為例［J］.重慶大學(xué)學(xué)報（社會科學(xué)版），2016（1）：22-32.

［5］黃妍妮，高波，魏守華.中國城市群空間結(jié)構(gòu)分布與演變特征［J］.經(jīng)濟學(xué)家，2016（9）：50-58.

［6］GLAESER E L，PONZETTO G A M，ZOU Y M.Urban networks：Connecting markets，people，and ideas［J］.Papers in Regional Science，2016，95（1）：17-59.

［7］BAILEY N，TUROK I.Central Scotland as a polycentric urban region：Useful planning concept or chimera？［J］.Urban Studies，2001，38（4）：697-715.

［8］VENERI P，BURGALASSI D.Spatial structure and productivity in Italian NUST-3 regions［J］.Università Politecnica Delle Marche，Dipartimentio Di Science Economiche E Sociali，2011，364：1-26.

［9］BURGER M J，VAN DER KNAAP B，WALL R S.Polycentricity and the multiplexity of urban networks［J］.European Planning Studies，2014，22（4）：816-840.

［10］張浩然，衣保中.城市群空間結(jié)構(gòu)特征與經(jīng)濟績效：來自中國的經(jīng)驗證據(jù)［J］.經(jīng)濟評論，2012（1）：42-47，115.

［11］孫斌棟，李琬.城市規(guī)模分布的經(jīng)濟績效：基于中國市域數(shù)據(jù)的實證研究［J］.地理科學(xué)，2016（3）：328-334.

［12］ALONSO W.Urban zero population growth［J］.Daedalus，1973，102：191-206.

［13］MEIJERS E J，BURGER M J.Spatial structure and productivity in US metropolitan areas［J］.Environment and Planning A：Economy and Space，2010，42（6）：1383-1402.

［14］CAMAGNI R，CAPELLO R，CARAGLIU A.Static vs.dynamic agglomeration economies：Spatial context and structural evolution behind urban growth［J］.Papers in Regional Science，2016，95（1）：133-158.

［15］劉修巖，李松林，陳子揚.多中心空間發(fā)展模式與地區(qū)收入差距［J］.中國工業(yè)經(jīng)濟，2017（10）：25-43.

［16］CERVERO R.Efficient urbanisation：Economic performance and the shape of the metropolis［J］.Urban Studies，2001，38（10）：1651-1671.

［17］ROSENTHAL S S，STRANGE W C.Geography，industrial organization，and agglomeration［J］.Review of Economics and Statistics，2003，85（2）：377-393.

［18］MEIJERS E J，BURGER M J，HOOGERBRUGGE M M.Borrowing size in networks of cities：City size，network connectivity and metropolitan functions in Europe［J］.Papers in Regional Science，2016，95（1）：181-198.

［19］劉修巖，李松林，秦蒙.城市空間結(jié)構(gòu)與地區(qū)經(jīng)濟效率：兼論中國城鎮(zhèn)化發(fā)展道路的模式選擇［J］.管理世界，2017（1）：51-64.

［20］姚常成，吳康.多中心空間結(jié)構(gòu)促進了城市群協(xié)調(diào)發(fā)展嗎：基于形態(tài)與知識多中心視角的再審視［J］.經(jīng)濟地理，2020（3）：63-74.

［21］PHELPS N A.Clusters，dispersion and the spaces in between：For an economic geography of the banal［J］.Urban Studies，2004，41（5/6）：971-989.

［22］郝良峰，李小平.城市蔓延對地區(qū)生產(chǎn)率增長的影響：基于產(chǎn)業(yè)動態(tài)集聚的視角［J］.中南大學(xué)學(xué)報（社會科學(xué)版），2020（2）：21-31.

［23］DURANTON G，OVERMAN H G.Testing for localization using micro-geographic data［J］.The Review of Economic Studies，2005，72（4）：1077-1106.

［24］王永進，盛丹.地理集聚會促進企業(yè)間商業(yè)信用嗎？［J］.管理世界，2013（1）：101-114，188.

［25］李松林，劉修巖.中國城市體系規(guī)模分布扁平化：多維區(qū)域驗證與經(jīng)濟解釋［J］.世界經(jīng)濟，2017（11）：144-169.

［26］JIANG B，YIN J J，LIU Q L.Zipfs law for all the natural cities around the world［J］. International Journal of Geographical Information Science，2015，29（3）：498-522.

［27］柯善咨，向娟.1996—2009年中國城市固定資本存量估算［J］.統(tǒng)計研究，2012（7）：19-24.

［28］張軍，吳桂英，張吉鵬.中國省際物質(zhì)資本存量估算：1952—2000［J］.經(jīng)濟研究，2004（10）：35-44.

［29］單豪杰.中國資本存量K的再估算：1952—2006年［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2008（10）：17-31.

［30］KUMBHAKAR S C，LOVELL C A K.Stochastic frontier analysis［M］.Cambridge：Cambridge University Press，2000.

［31］LESAGE J P.An introduction to spatial econometrics［J］.Revue dconomie Industrielle，2008（123）：19-44.

［32］魏守華，陳揚科，陸思樺.城市蔓延、多中心集聚與生產(chǎn)率［J］.中國工業(yè)經(jīng)濟，2016（8）：58-75.

［33］RAMCHARAN R.Why an economic core： domestic transport costs［J］.Journal of Economic Geography，2009，9（4）：559-581.

［34］BOSKER M，BURINGH E.City seeds：Geography and the origins of the European City system［J］.Journal of Urban Economics，2017，98：139-157.

［35］AL-MARHUBI F.Export diversification and growth：An empirical investigation［J］.Applied Economics Letters，2000，7（9）：559-562.

［36］FALLAH B N，PARTRIDGE M D，OLFERT M R.Urban sprawl and productivity：Evidence from US metropolitan areas［J］.Papers in Regional Science，2011，90（3）：451-472.

Urban system structure evolution， dynamic industrial agglomeration

and synergistic spatial efficiency improvement

HAO Liangfeng1，2， LI Xiaoping2， LI Songlin3

（1. School of Business， Suzhou University of Science and Technology， Suzhou 215009， P. R. China;

2.School of Economics， Zhongnan University of Economics and Law， Wuhan 430073， P.R. China;

3. Research Institute of Jiangsu Industrial Development， Nanjing

University of Finance and Economics， Nanjing 210023，P. R. China）

Abstract：

With the improvement of urbanization and the development of urban clusters， optimizing the spatial structure of urban system has become important power in releasing the potential regional efficiency in China. After combing through academic history， it could be found that there are obvious differences in the spatial structure efficiency among urban systems in different countries or locations. Therefore， it is not clear whether single-center or multi-center structure is more conducive to efficiency improvement. However， with continuous spatial structure evolution， it is inaccurate to statically evaluate the efficiency of the urban system structure without the process of dynamic adjustment of industrial firms. The reason lies in that for the area where the industry is net outflow， no matter what the spatial structure， the probability of efficiency loss is higher. This paper innovatively integrates the process of firms entry and exit into the construction of urban agglomeration indicator， and measures the urban productivity on the basis of recalculating the depreciation rate and capital stock， so as to use the spatial econometric model to test the theoretical mechanism that affects the spatial efficiency of the urban system. It is found that the multi-center urban system structure is more conducive to the improvement of regional productivity， which needs to be integrated into the process of dynamic industrial agglomeration. This result further shows that ignoring the process of firms entry and exit may lead to biased results and lack of explanatory power. Meanwhile， the urban scale efficiency has been significantly improved， while it is not conducive to the improvement of technological progress and technological efficiency. It is also found that the polycentric features of the Beijing-Tianjin-Hebei and the urban agglomeration in the middle reaches of the Yangtze River are weak， which needs spatial efficiency improvement. In contrast， the multi-center structure and industrial agglomeration of the Yangtze River Delta and Pearl River Delta urban agglomerations have performed better synergy effect. In addition， industries may be dynamically adjusted within the urban system， resulting in an uneven distribution of productivity among cities. Further research shows that the polycentric structure and industrial dynamic agglomeration are conducive to the coordination of urban productivity. However， it is also found that it is more conducive to the efficiency improvement of large-scale cities， but restricts the development of small cities， which alludes to the fact that in the process of multi-center structure forming， large-scale cities are still the biggest takers of benefits. Although the spatial measurement model could weaken the endogenous effect， this paper uses urban surface roughness and regional river density as the instrumental variables of industrial agglomeration and urban system structure referring to the existing research， so as to reduce the empirical bias. The result shows no fundamental change. This paper also uses the adjusted Herfindahl-Hirschman Index， the transforming primacy index and the per capita GDP to conduct robustness tests to enhance the credibility of the conclusions. The results of the influence mechanism test show that the process of dynamic industrial agglomeration among cities has accelerated the polycentric urban system， and the process of market integration has effectively released the spatial efficiency of the multi-center city system. Therefore， it is necessary to deepen the coupling and synergy relation between the urban system and the dynamic agglomeration of industries， meanwhile to promote market integration to further release the potential efficiency. At the same time， while highlighting the dominant position of central cities， it also needs to pay more attention to coordinated development of small and medium-sized cities， and to build a virtuous circle system within the urban agglomerations under the framework of dual-circulation development in China.

Key words：

urban system; industrial agglomeration; dynamic adjustment; total factor productivity; multi-center（責(zé)任編輯 傅旭東）